我國金融支持科技創新的效率評價——基于超效率DEA與Malmquist指數方法

張明龍

（重慶工商大學財政金融學院，重慶 400067）

一、引言

“新常態”下科技創新是中國經濟增長的唯一動力。據統計，2014年我國全年研究與試驗發展（R&D）經費支出比上年增長12.4%，相當于GDP的2.09%，而技術合同成交金額高達8577億元，同比增長14.8%。這說明“新常態”下的中國，創新環境正在持續優化，創新投入正在不斷加大，創新成果的流動和轉化正在為經濟提供更強勁的增長動力。而科技創新的發展離不開金融的強力支持，金融是現代經濟的血液，與科技對接能夠促進科技創新，加快科技企業發展，確保中國經濟的有效轉型。隨著金融投入和科技產出的力度逐年加大，優化科技創新中的金融資源配置，對金融支持科技創新的效率進行評價是值得研究的課題。

二、國內外相關文獻

根據現有文獻來看，國內外學者有關金融給予科技創新的支持研究主要集中在理論層面，而對科技與金融相互結合、相互作用的實證研究還比較少。

1912年，經濟學家熊彼特（Schumpeter）注意到金融發展對技術創新的影響。而國外有關金融支持科技創新的實證研究主要集中在某種金融形式對技術創新的影響。例如，銀行對技術進步的影響。塔德塞（Tadesse，2000）研究發現，銀行導向型金融體系和市場導向型金融體系在促進技術進步方面所起的作用明顯不同。本弗拉泰洛（Benfratello，2008）等以意大利公司為研究對象，發現地方性銀行對企業技術創新活動的成功率具有顯著的影響。詹內蒂（Giannetti，2012）的研究發現，銀行對于高技術企業開展創新和引進新產品能力具有顯著效果。又如，風險投資對技術創新的影響。卡拉漢和米格（John Callahan和Steven Muegge，2003）分析了風險投資在技術創新中所發揮的作用，描述了風險投資對技術創新的作用過程及其機制路徑。吉爾和塔貝爾（Gil Avnimelech和Morris Teubal，2006）指出風險投資在一定條件下可以變為促進高技術集群轉化的重要因素。

在國內，雖然“科技金融”一詞在20世紀90年代被提出，但有關金融支持和科技創新的實證研究是從近年才受到關注的。從全國角度來看，王海和葉元煦（2003）利用經過層次分析法（AHP）加權后的評價指標體系和模型對科技金融結合效益進行了實證分析。田霖（2005）選取31個地區作為樣本，運用主成分和因子分析法對各個區域的金融成長狀況進行計量分析研究，通過分析得出科技對區域金融綜合競爭力的解釋力和貢獻率很高，起著決定性作用。馬衛剛（2014）運用DEA和Malmquist指數對2007—2012年我國科技與金融結合效益進行靜態和動態分析，發現金融資源配置下降是引起科技金融結合效益呈現負增長的主要原因。

從各地區角度來看，楊麗萍和趙兵（2010）采用數據包絡分析方法（DEA）對全國各地區金融投入與科技產出的效益進行評價，并發現金融投入和科技產出結構不協調是造成廣東科技金融結合效率低的主要原因。呂江林等（2012）利用DEA方法對中部地區6省份和東部地區發達省市的金融投入與科技產出的效率進行分析，結果表明中部地區已形成崛起之勢。華玉燕（2013）運用DEA方法對安徽省科技金融結合效率進行評價，結果表明單純依靠擴大金融投入難以提高科技產出，應優化科技金融內部結構，使金融投入與科技產出協調發展。陳凱（2013）利用AHP方法對江蘇省科技金融結合的效益進行評價，結果發現由于金融資本投入的低效率導致對科技產出的助推作用沒有得到完全發揮，二者的結合效率不高。陳軍梅（2014）利用Malmquist指數方法對寧夏科技金融結合效率進行評價，結果顯示寧夏科技金融結合整體效率不高，金融投入與科技產出處于非均衡狀態，資源沒有實現最優配置。

綜上所述，根據現有文獻來看，國外學者主要就某種金融對科技創新的影響進行研究，國內學者也有相應的研究。但我國目前仍然是一個發展中國家，為科技創新提供的金融資源是有限的，那么如何提高我國金融支持科技創新的效率就是一個值得研究的課題。而國內關于這方面的研究還不足，并且相關學者主要采用傳統DEA模型對各地區的金融支持科技創新的效率進行實證研究。雖然已有的研究都具有針對性，但缺少全面的金融支持科技創新的資源配置分析。本文將采用超效率DEA對2006—2012年我國30個省、自治區和直轄市的金融投入和科技產出的效率進行靜態評價分析，并采用Malmquist指數方法研究我國科技金融效率的動態演變以及對三大區域的科技金融效率的差異進行分析，為促進我國金融有效支持科技發展提供參考。

三、研究理論與方法

（一）模型選取

1.超效率DEA模型。超效率數據包絡分析模型（Super Efficiency DEA，SE-DEA）是由安德森和彼得森（Andersen和Petersen，1993）根據傳統DEA模型所提出的新模型，其基本思想是：在對該決策單元進行效率評價時，將其排除在決策單元的參考集之外。經典DEA模型如CCR模型和BCC模型只能區別出有效率與無效率的決策單元，無法進行比較和排序。而SE-DEA模型與CCR模型的不同之處在于評價某個決策單元時將其排除在決策單元集之外，這樣SE-DEA模型將經典DEA模型中有效的決策單元（效率評價值為1）在生產前沿面進行了重新計算推移，使得最終計算出來的效率評價值大于經典CCR模型的效率值，即允許效率值大于1；而對于DEA無效的決策單元（效率評價值小于1），其生產前沿面并沒有發生改變，這與CCR模型的評價結果一致。因此，SE-DEA模型能區分DEA有效的決策單元之間的差異，從而對各決策單元進行有效的比較和排序。其表達式為：

其中，θ為第 j0個決策單元的超效率值；ε為非阿基米德無窮小量；n為決策單元（DMU）個數，每個決策單元均包括m個輸入變量和s個輸出變量；，分別為輸入和輸出的松弛變量；xij表示第j個決策單元在第i個輸入（投入）指標上的值；yrj表示第j個決策單元在第r個輸出（產出）指標上的值；λj為輸入輸出指標的權重系數；θ，λj，，為未知參數，可由模型求解。

2.Malmquist指數模型。Malmquist指數模型是瑞典的經濟學家、統計學家曼奎斯特（Malmquist）在1953年分析消費過程中提出來的。凱夫斯等（Caves等，1982）受其啟發，通過距離函數之比構造了生產率指數。法爾等（Fare等，1994）采用Caves等人的研究思路，在多投入產出的條件下結合DEA方法，建立了具有實際意義的生產率變化的Malmquist指數。

根據法爾等的方法，我們以每個省作為一個決策單元，把每個省金融投入與科技產出的效率同前沿面進行比較，以此來對各個省的金融支持科技創新的效率變化進行測量。那么，從t時期到t+1時期的Malmquist指數分別表示為：

其中(xt,yt)和(xt+1,yt+1)分別為決策單元在t期和t+1期的投入產出向量，Dt(xt,yt)和Dt(xt+1,yt+1)則分別表示t期和t+1期的決策單元與效率前沿面的距離。

為了避免時期選擇的隨意性可能導致的差異，法爾等人對不同時期技術條件下的兩個Malmquist指數采取幾何平均值，測算出效率的變化值，見下式：

在規模報酬不變的假設下，Malmquist指數（TFP）可以進一步分解為技術效率變化指數（Technical Efficiency Change，Effch）和技術進步變化指數（Technical change，Tech）的乘積，見式（4）和式（5）：

而在規模報酬可變的假設下，技術效率變化（Effch）可以進一步分解為純技術效率變化（Pure Technical Efficiency Change，Pech）和規模效率變化（Scale Efficiency Change，Sech）的乘積，見式（5）：

上式（5）中，左邊是Malmquist指數，該指標若大于1，則表明金融投入與科技產出的效率上升；若小于1，則降低。右邊第一項是純技術效率指數，表示在科技金融的規模經濟不變的條件下的金融投入在科技產出中的作用與前沿面的距離，該指標可能大于1、小于1或等于1，分別表示金融投入在科技產出中的作用有所提高、降低和無變化；第二項是規模效率指數，表明科技金融達到規模經濟的可能性；最后一項是技術進步指數，反映金融創新對科技產出的效率大小，該指數大于1表示起到進步作用，等于1表示無作用，小于1則為退步。

（二）變量的選取

金融支持科技創新的效率評價指標必須真實反映金融投入與科技產出情況，本文借鑒相關學者的研究，所選金融投入指標包括：研究與試驗發展（R&D）經費內部支出、地方財政科技撥款、金融機構科技貸款以及人均R&D經費支出。其中，R&D內部經費支出是指企事業單位用于內部開展R&D活動（包括基礎研究、應用研究和試驗發展）的實際支出，是反映一個地區科技金融實力的重要指標；地方財政科技撥款指統計年度內由各級財政部門撥付的直接用于科技活動的款項，包括科學事業費、科技三項費、科研基建費以及其他科研事業費，其反映地方政府對科技發展的支持力度；金融機構科技貸款是用科技活動經費籌集額中的金融機構貸款來表示，反映了以銀行為主的間接融資是推動科技發展的重要資金來源；人均R&D經費支出是指R&D研究人員平均每人每年的R&D經費支出額，其反映一個地區R&D經費在人力資源上的投入強度。

在科技產出方面，選取了國內專利申請授權數、國外主要檢索工具收錄我國科技論文數、技術市場成交合同額以及高技術產業總產值。其中，國內專利申請授權數和國外主要檢索工具收錄我國科技論文數是科技產出的直接成果，也是科技活動的重要產出形式；技術市場成交合同額是指在技術市場中各地區合同在一定時期內成交的數額，是檢驗R&D投入的一項重要產出指標；高技術產業總產值是科技活動的直接產業化成果，很大程度上反映了科技的總產出情況。本文投入產出指標體系見表1。

表1：科技金融投入產出指標體系

（三）研究樣本和數據來源

本文采用超效率DEA和Malmquist指數方法進行分析，時間跨度為7年。依據數據可獲得性原則，本文選取了我國30個省、自治區直轄市2006—2012年的相關數據（西藏的數據缺失，從樣本數據中剔除）。

圖1：2006—2012我國科技金融超效率平均值變化

數據來源于歷年《中國統計年鑒》、《中國科技統計年鑒》以及《中國高技術產業統計年鑒》。但是由于統計年鑒編制體系的調整，各省“金融機構科技貸款”指標數據從2008年以后不再列入統計年鑒中，因此，本文依據該指標以往年度的數據，采用灰色預測模型對2009—2012年的數據進行預測。

四、實證結果分析

（一）總效率值分析

基于超效率DEA模型，本文運用MATLAB R2012b軟件對2006—2012年的我國30個省、自治區及直轄市的數據進行分析，得到其效率變動情況（如圖1和表2所示），并對7年的均值進行排序。

從圖1和表2可以看出，全國各省每年的超效率平 均 值 分 別 為 1.1588、 1.0939、 1.0583、 1.0823、1.0793、1.0955和1.1768，分別上漲了15.88%、9.39%、5.83%、8.23%、7.93%、9.55%和17.68%。這說明自2006年以來，將自主創新、建設創新型國家作為戰略目標納入國家中長期科技發展規劃綱要，為科技產出提供的金融資源配置是有效的，并且以每年10.64%的增速上升。同時，從樣本年限內看，我國金融支持科技創新的超效率均值呈現出U形的走勢。

其中2012年的效率值達到了最高為1.1768，這可能是因為在2011年我國發布《國家“十二五”科學和技術發展規劃》，提出在“十二五”期間將不斷完善科技和金融的結合機制，建立多渠道的科技融資體系，加快發展服務科技創新的新型金融服務機制，積極探索支持創新的融資方式，加上我國經濟逐步擺脫了金融危機的影響，這都為金融支持科技創新提供了方針政策和良好的宏觀環境，以此促進金融與科技的對接、科技成果的有效轉化及我國經濟的可持續增長。

而2008年的效率值為1.0583，為U型走勢的谷底。究其原因，是受到2008年金融危機的影響，我國以銀行為主導的金融體系遭遇了系統性風險，為避免因系統性風險帶來的更大經濟損失，金融機構紛紛對具有高風險的科技創新型企業收緊了銀根，使得這些企業面臨融資難進而倒閉的局面，這就導致了當年科技產出力度不夠，這從金融支持科技創新的效率值也能得到印證。

從全國30個省、自治區和直轄市的超效率均值來看，有13個省區市金融支持科技創新的效率達到了有效前沿面，即效率值大于1，可以看出只有1/3的省區市為科技創新提供的金融資源配置是有效的，而其中東部地區有6個省份，分別為北京、廣東、上海、浙江、江蘇和海南，占到有效省區市的一半且排名前十，而中部和西部地區分別有3個和4個。與全國平均效率值達到有效前沿面對比分析，說明提升我國金融支持科技創新效率主要是依靠東部經濟較為發達的地區，而這也符合我國經濟發展的基本情況；從另一方面來看，我國各個省區市為促進科技創新提供的金融資源配置差異很大，尤其是西部地區的差異最為明顯，其中甘肅和陜西的效率值分別為1.9094和1.3508，而貴州、云南、廣西、內蒙古和寧夏的效率值都在0.7以下，可見西部地區金融支持科技創新的效率極為不均衡。

通過對各個省區市進一步分析看出，帶動金融支持科技創新發展的主力依然是東部技術密集型的地區，由于這些地區集中了大量的技術儲備，加之經濟發展水平較高，因此加大資金的投入固然會帶來高質量的科技產出，金融支持科技創新的效率也就較高。而存在巨大差異的西部地區，效率值較高的省市其經濟水平也相對較高，這說明受“西部大開發”戰略的影響，西部部分地區金融支持科技創新的效果較為明顯，而處于低效率的區域則需要進一步加大金融投入與科技產出，具體如何提高其效率還需要進一步分析。

（二）Malmquist指數分析

無論是傳統的DEA模型還是超效率DEA模型，對我國科技金融效率的研究是基于靜態的比較，即只對各省市在同一時期做橫向的效率分析，無法評價各省市在不同時期的效率變化。本文運用DEAP2.1軟件測算了我國30個省、自治區和直轄市科技金融的Malmquist指數（如表2所示），對2006—2012年全國各省的科技金融效率指數變化進行分解研究（如表3所示），并對東、中、西部地區的效率變化差異進行分析（如表4所示）。

表2：我國各地區全要素科技金融效率表

從表3可以看出，在樣本研究年限內，我國科技金融Malmquist指數的平均效率變化為1.026，上漲了2.6%，總體呈現出上升趨勢。通過分解分析，技術效率指數平均變動為0.990，呈現出下降趨勢；而技術進步指數平均變動為1.036，上漲了3.6%。可以看出，推動我國科技金融的全要素生產率（TFP）在樣本區間增長的主要原因，是技術進步的增長。

從全國30個省區市來看，其中有20個省區市的全要素生產率指數大于1，其科技金融效率呈現出上升的趨勢，而只有10個省的TFP指數值小于1，呈現出下降的趨勢，說明我國各省區市為科技創新提供金融配置的效果向好。具體來看，在20個科技金融效率呈現上升趨勢的省份中，除江西外，其余地區的全要素生產率指數大于1的原因是技術進步的提高。而10個全要素生產率小于1的省份中，有6個是因為技術退步，可以看出，技術進步的高低也是決定各省區市科技金融全要素生產效率是否有效的關鍵因素。

從各省區市技術效率的變化來看，全國技術效率的平均值為0.990，呈現下降趨勢。通過分解分析看出，純技術效率和規模效率的平均值分別0.994和0.996，均呈現低效狀況，造成了科技與金融的技術效率沒有達到有效前沿面。具體到各省區市來看，我國11個西部地區的省份和10個全要素生產率指數小于1的省份，其平均純技術效率指數變化分別為0.991和0.976，而平均規模效率指數變化分別為0.989和0.982，說明西部地區是TFP低效的地區，不僅金融投入和科技產出低效而且尚未形成規模效應。因此，這些地區需要在提高科技有效產出的同時還要促進行業形成規模效應，以此來提高金融支持科技創新的效率，避免資源的浪費，促進科技成果轉化，推動我國經濟的有效轉型。

從圖2和表3可以看出，2006—2012年，我國金融支持科技創新的效率值每年以2.6%的速度增長，總體上呈現上升趨勢的變動。進一步分析發現，技術效率變化指數在研究樣本年限內變化趨于平穩，而技術進步指數與全要素生產率的變化趨于一致，說明我國科技金融全要素生產率的變動主要受技術進步的影響。此外，科技金融的TFP值在樣本年限內呈現出一個高峰一個低谷的波動性變化。

2008—2009年，科技金融的Malmquist指數值只有0.950，降低了5.0%，其中技術進步、純技術效率和規模效率的變動均小于1，共同造成科技金融效率的低效。其原因可能在于受到金融危機的影響，給金融創新帶來巨大的風險，從而科技企業在金融資源配置時就受到限制。

圖2：2006—2012年我國科技金融結合效率的Malmquist指數變動情況

2009—2010年，科技金融的TFP值達到1.144，上漲了14.4%，其中技術進步指數為1.145，上升了14.5%，而純技術效率和規模效率相對2008—2009年均有所增長。其原因可能在于政府提出的4萬億“救市”的方案，促進了資本市場的活躍性，帶動了金融行業的復蘇，為科技企業增添了新的血液，促進了科技成果的轉化，以此提高了金融支持科技創新的效率。

2011—2012年的Malmquist指數達到了最高值，上升了15.8%，其中技術進步增長了10.9%，同時技術效率變化也提升了4.4%。其原因可能在于我國在發布《國家“十二五”科學和技術發展規劃》中提出不斷完善科技和金融的結合機制，要求建立多渠道的科技融資體系，加快發展服務科技創新的新型金融服務機制，積極探索支持創新的融資方式。這為提高科技有效產出、鼓勵與金融創新相結合、擴大科技金融規模提供了方針和政策指導。

從表4可以看出，從區域的角度分析，我國三大區域的全要素科技金融效率在樣本年限內都呈現上升的趨勢。從進一步分解來看，東中西三大區域的技術進步均值分別為1.045、1.069和1.058，均是促進各區域科技金融發展的關鍵性因素。其中，中部地區的全要素生產率增長最快，上升了6.9%，而西部地區增長了4.4%，高于東部地區的3.8%，呈現出“中部崛起”的態勢。究其原因，可能是由于中部地區的金融與科技的結合已進入高速的成長期，使得東部地區受到了回彈效應的影響；而中西部地區雖然經濟發展水平相對較低，相應的基礎設施較為落后，但由于受到“中部崛起”政策與“西部大開發”戰略的影響，以至于中西部的效率高于東部地區。而與超效率DEA模型分析后得到的東部地區是提高全國金融支持科技創新效率的主要力量的結果來看，中西部地區的動態效率變化（即金融支持科技創新的效率增長變化）要高于東部地區，說明針對中西部地區的科技創新配置合理的金融資源，將極大地提升全國金融支持科技創新的效率，從而縮小中部與東部地區的差距，促進我國科技產業均衡發展。

從三大區域技術進步的角度分析，三個區域的技術進步指數都大于1，說明它們的技術進步變化均呈現增長趨勢，而且也是使得全要素生產率大于1的主要原因，這與全國全要素科技金融效率分析的結果是一致的。

從三大區域純技術效率的角度分析，依然呈現出中部高于西部，而西部又高于東部的趨勢，但西部和東部的純技術效率均小于1，說明這兩個地區金融的投入并沒有帶來科技的有效產出。但其原因可能有所差異，對于東部地區雖然經濟發展水平較高，但受到金融支持科技創新的回彈效應影響，已呈現出邊際效用遞減的態勢；而西部地區本身經濟發展水平低，基礎設施落后，為科技創新配置的金融資源不夠，固然不能得到有效的產出。

表3：2006—2012年我國全要素科技金融平均Malmquist指數及其分解

表4：2006—2012年我國全要素科技金融效率分區域變動趨勢情況

從三大區域規模效率的角度分析，中東部地區的規模效率已達到有效前沿面，表明中東部地區的科技金融產業已較為完善，規模效應已有所展現。與之相比，西部地區的規模效率小于1，說明西部地區科技金融行業規模偏小，為科技服務的金融機構無論是數量還是資金量都不足，需要進一步提升營運規模。

五、結論

我國將自主創新、建設創新型國家作為戰略目標以來，建立多渠道、多層次的金融投入體系是解決高風險科技產業融資難的重要措施。因此，為促進科技創新合理配置有限的金融資源就具有重要意義。文本應用超效率DEA和Malmquist指數模型對我國30個省、自治區和直轄市2006—2012年的科技金融投入產出情況進行了分析。結果表明：

第一，全國以及各省區市的科技金融效率呈現出U形趨勢。通過超效率DEA模型的靜態分析發現，在樣本年限內我國金融支持科技創新呈現U形趨勢，其中，東部地區是帶動這種U形趨勢的主要力量。

第二，從全國各省區市的科技金融的TFP值來看，在樣本年限內呈現上升趨勢。通過Malmquist效率動態分解分析，技術進步（即科技金融資源配置）是提高金融支持科技創新效率的主要原因。需要注意的是，純技術效率變化和規模效率變化還是低效的，說明金融投入未能得到有效的科技產出以及尚未形成科技產業的規模經濟，需要進一步改善。

第三，從時間序列的科技金融的TFP值來看，受到技術進步的影響，TFP值在2006—2012年的變化呈現一個高峰一個低谷的波動性增長。其中，2009—2010年，受到國家“救市”方案的影響，促進金融支持科技創新的效率變化顯著，形成了高峰；2011—2012年，受到國家戰略部署以及方針政策指導，使得TFP值達到最大值。

第四，從區域角度的科技金融的TFP值來看，三大區域均呈現上升趨勢。其中，中部地區呈現出“中部崛起”的態勢，西部地區因“西部大開發”戰略部署以及東部地區受到回彈效應的影響，使得中西部的效率變化指數值高于東部地區，進一步說明為中西部的科技創新配置合理的金融資源，將獲得巨大顯著的成果。

[1]Schumpeter.1912.The Theory of Economy Development[M].Cambridge，MA：Harvard University Press.

[2]Tadassee S.2000.Does financial structure matter for economic growth?A corporate finance perspective.OhioStateUniversity，Mimco.

[3]Luigi Benfratello，Fabio Schiantarelli，Alessandro Sembenelli.2008.Banks and innovation：Microeconometric evidence on Italian firms[J].Journal of Financial Economics，90（2）.

[4]Caterina Giannetti.2012.Relationship lending and firm innovativeness[J].Journal of Empirical Finance，19（5）.

[5]John Callahan，Steven Muegge.2003.Venture Capital’s Role in Innovation：Issues，Research and Stakeholder Interests[J].The International Handbook on Innovation.

[6]Gil Avnimelech，Morris Teubal.2006.Creating venture capital industries that co-evolve with high tech：Insights from an extended industry life cycle perspective of the Israeli experience[J].Research Policy，35（10）.

[7]Caves，D.W.，L.R.ChristensenandW.E.Diewer.1982.Multilateral Comparisons of Output，Input and Productivity Using Superlative Index Numbers[J].Economic Journal，92.

[8]Fare R，Grosskopf S，Norrism，et al.1994.Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries[J].American Economic Review.

[9]王海，葉元煦.科技金融結合效益的評價研究[J].管理科學，2003，16（2）.

[10]田霖.科技力與區域金融綜合競爭力的模糊曲線分析[J].重慶大學學報（社會科學版），2005，11（4）.

[11]馬衛剛，張紅麗.我國科技與金融結合效益評價[J].科技管理研究，2014，（20）.

[12]崔毅，趙韻琪，楊麗萍，趙兵.基于DEA方法的廣東科技與金融結合效益評價[J].華南理工大學學報（社會科學版），2010，（4）.

[13]呂江林，王新龍，宋高堂.中部地區與東部發達省市科技與金融結合效率的比較研究——基于DEA模型的分析[J].金融與經濟，2012，（10）.

[14]華玉燕，趙納.基于DEA方法的科技金融結合效率研究——以安徽省為例[J].金融教育研究，2013，（3）.

[15]陳凱，肖鶯，付永紅.江蘇科技和金融結合效益評價研究[J].科技管理研究，2013，（14）.

[16]陳軍梅.基于DEA-Malmquist指數方法的寧夏科技金融結合效率研究[J].寧夏大學學報（人文社會科學版），2014，4（36）.